基于机器学习的未成年保护教育引导方法及系统技术方案

本发明专利技术涉及人工智能技术应用领域，特别涉及一种基于机器学习的未成年保护教育引导方法及系统，通过获取未成年保护业务样本数据；构建未成年保护分类集成模型，利用未成年保护业务样本数据对未成年保护分类集成模型进行训练；将收集到的待检测未成年业务数据输入至已训练的未成年保护分类集成模型中，利用未成年保护分类集成模型来获取待检测未成年业务数据类型，以依据业务数据类型匹配相关协同责任机构来对目标未成年进行线下的保护教育引导。本发明专利技术能够方便监管机关对不同类型的未成年人分类分级开展保护教育引导工作，便于监管机关针对不同类型的未成年人与执法、教育、民事、医院、社区等协同责任机关开展协同工作，能够对未成年保护教育引导进行闭环监管。够对未成年保护教育引导进行闭环监管。够对未成年保护教育引导进行闭环监管。

【技术实现步骤摘要】
基于机器学习的未成年保护教育引导方法及系统


[0001]本专利技术涉及人工智能技术应用领域，特别涉及一种基于机器学习的未成年保护教育引导方法及系统。

技术介绍

[0002]未成年人的健康成长关系到国家和民族的未来。随着多媒体互联网技术的发展，未成年沉迷网络引起的社会矛盾凸显，引发社会广泛关注。为切实保护未成年人身心健康，是监管机关、平台企业和社会公众合力解决的关键性议题。目前，监管机关针对未成年人保护教育引导这方面没有具体的合适的未成年人分类标准。未成年保护涉及多个维度，相关特征比较分散，人员分类没有具体规范，主要依据人为经验，如果无法针对未成年人进行有效分类，监管机关在开展未成年人保护工作时无法与社区等组织形成有效协作配合，进而影响未成年保护教育引导工作的开展效果。

技术实现思路

[0003]为此，本专利技术提供一种基于机器学习的未成年保护教育引导方法及系统，解决监管机关在开展针对未成年人保护教育引导工作时无法准确快速将辖区类未成人进行分类的问题。
[0004]按照本专利技术所提供的设计方案，提供一种基于机器学习的未成年保护教育引导方法,包含：
[0005]获取未成年保护业务样本数据；
[0006]构建未成年保护分类集成模型并利用未成年保护业务样本数据对未成年保护分类集成模型进行训练，其中，未成年保护分类集成模型包含N个用于分类识别的异构机器学习单元和用于对异构机器学习单元进行裁决输出的裁决单元，N为奇数；
[0007]将收集到的待检测未成年业务数据输入至已训练的未成年保护分类集成模型中，利用未成年保护分类集成模型来获取待检测未成年业务数据类型，以依据业务数据类型匹配相关协同责任机构来对目标未成年进行线下的保护教育引导。
[0008]作为本专利技术基于机器学习的未成年保护教育引导方法，进一步地，获取未成年保护业务样本数据，包含：
[0009]首先，从未成年保护业务相关协同责任机构收集未成年相关信息，该相关信息至少包含未成年成长经历、成长环境和社会关系；
[0010]接着，根据未成年相关信息的保护业务需求来提取对应业务类型下的未成年特征数据；
[0011]然后，依据未成年特征数据构建未成年保护业务样本数据。
[0012]作为本专利技术基于机器学习的未成年保护教育引导方法，进一步地，未成年保护分类集成模型由决策树分类器机器学习单元、KNN分类器机器学习单元和贝叶斯分类器机器学习单元组成。
[0013]作为本专利技术基于机器学习的未成年保护教育引导方法，进一步地，裁决单元对异构机器学习单元进行裁决输出中，针对决策树分类器机器学习单元、KNN分类器机器学习单元和贝叶斯分类器机器学习单元的分类结果均不同时，将决策树分类器机器学习单元的输出作为裁决输出，否则，采用多数判决原则将多数相同分类输出作为裁决输出。
[0014]作为本专利技术基于机器学习的未成年保护教育引导方法，进一步地，利用未成年保护业务样本数据对未成年保护分类集成模型进行训练时，利用未成年保护业务样本数据分别对未成年保护分类集成模型中的异构机器学习单元进行训练优化。
[0015]作为本专利技术基于机器学习的未成年保护教育引导方法，进一步地，将收集到的待检测未成年业务数据输入至已训练的未成年保护分类集成模型之前，还包含：从未成年成长经历、成长环境和社会关系收集待检测未成年相关业务数据，并将收集到的待检测未成年相关业务数据作为未成年保护分类集成模型的输入。
[0016]作为本专利技术基于机器学习的未成年保护教育引导方法，进一步地，利用未成年保护分类集成模型来获取待检测未成年业务数据类型，以依据业务数据类型匹配相关协同责任机构来对目标未成年进行线下的保护教育引导，包含：首先，依据未成年保护分类集成模型来判定待检测未成年业务数据类型，接着，依据业务数据类型来选取对应协同责任机构，并向选取的对应协同责任机构发送预警信息，然后，所述对应协同责任机构依据预警信息对目标未成年人进行线下保护教育引导并线上反馈保护教育引导结果。
[0017]进一步地，本专利技术还提供一种基于机器学习的未成年保护教育引导系统，包含：样本收集模块、模型构建模块和引导决策模块，其中，
[0018]样本收集模块，用于获取未成年保护业务样本数据；
[0019]模型构建模块，用于构建未成年保护分类集成模型并利用未成年保护业务样本数据对未成年保护分类集成模型进行训练，其中，未成年保护分类集成模型包含N个用于分类识别的异构机器学习单元和用于对异构机器学习单元进行裁决输出的裁决单元，N为奇数；
[0020]引导决策模块，用于将收集到的待检测未成年业务数据输入至已训练的未成年保护分类集成模型中，利用未成年保护分类集成模型来获取待检测未成年业务数据类型，以依据业务数据类型匹配相关协同责任机构来对目标未成年进行线下的保护教育引导。
[0021]本专利技术的有益效果：
[0022]本专利技术根据未成年特征值通过集成模型进行未成年人进行业务数据分类，能够方便监管机关对不同类型的未成年人分类分级开展保护教育引导工作，同时也更方便监管机关针对不同类型的未成年人与执法、教育、民事、医院、社区等协同责任机关开展协同工作。在进行份业务数据分类时可根据未成年人成长经历、成长环境、社会关系等收集相关样本数据，利用大数据并结合人工智能算法将业务数据中的未成年人分为防溺水保护对象、防侵犯保护对象、重点引导对象、重点监控对象、重点关怀对象等5类，以便于针对该五类不同类型的未成年人来匹配相关责任单位，通过发送预警信息来督促责任单位开展线下的保护教育引导工作，能够形成未成年保护教育引导的闭环监管，便于未成年保护机制的实施。
附图说明：
[0023]图1为实施例中基于机器学习的未成年保护教育引导流程示意图；
[0024]图2为实施例中未成年保护教育引导算法原理示意。
具体实施方式：
[0025]为使本专利技术的目的、技术方案和优点更加清楚、明白，下面结合附图和技术方案对本专利技术作进一步详细的说明。
[0026]本专利技术实施例，参见图1所示，提供一种基于机器学习的未成年保护教育引导方法,包含：
[0027]S101、获取未成年保护业务样本数据；
[0028]S102、构建未成年保护分类集成模型并利用未成年保护业务样本数据对未成年保护分类集成模型进行训练，其中，未成年保护分类集成模型包含N个用于分类识别的异构机器学习单元和用于对异构机器学习单元进行裁决输出的裁决单元，N为奇数；
[0029]S103、将收集到的待检测未成年业务数据输入至已训练的未成年保护分类集成模型中，利用未成年保护分类集成模型来获取待检测未成年业务数据类型，以依据业务数据类型匹配相关协同责任机构来对目标未成年进行线下的保护教育引导。
[0030]利用机器学习智能分类算法大大降低未成人的分类工作量，节省相关单位的工作成本，同时将人员分类与相关责任单位进行智能匹配，相关工作成果进行线上填报反馈，对未成年监管形成闭环，增加各个机关单位之本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的未成年保护教育引导方法，其特征在于，包含：获取未成年保护业务样本数据；构建未成年保护分类集成模型并利用未成年保护业务样本数据对未成年保护分类集成模型进行训练，其中，未成年保护分类集成模型包含N个用于分类识别的异构机器学习单元和用于对异构机器学习单元进行裁决输出的裁决单元，N为奇数；将收集到的待检测未成年业务数据输入至已训练的未成年保护分类集成模型中，利用未成年保护分类集成模型来获取待检测未成年业务数据类型，以依据业务数据类型匹配相关协同责任机构来对目标未成年进行线下的保护教育引导。2.根据权利要求1所述的基于机器学习的未成年保护教育引导方法，其特征在于，获取未成年保护业务样本数据，包含：首先，从未成年保护业务相关协同责任机构收集未成年相关信息，该相关信息至少包含未成年成长经历、成长环境和社会关系；接着，根据未成年相关信息的保护业务需求来提取对应业务类型下的未成年特征数据；然后，依据未成年特征数据构建未成年保护业务样本数据。3.根据权利要求1或2所述的基于机器学习的未成年保护教育引导方法，其特征在于，未成年保护分类集成模型由决策树分类器机器学习单元、KNN分类器机器学习单元和贝叶斯分类器机器学习单元组成。4.根据权利要求3所述的基于机器学习的未成年保护教育引导方法，其特征在于，裁决单元对异构机器学习单元进行裁决输出中，针对决策树分类器机器学习单元、KNN分类器机器学习单元和贝叶斯分类器机器学习单元的分类结果均不同时，将决策树分类器机器学习单元的输出作为裁决输出，否则，采用多数判决原则将多数相同分类输出作为裁决输出。5.根据权利要求1所述的基于机器学习的未成年保护教育引导方法，其特征在于，利用未成年保护业务样本数据对未成年保护分类集成模型进行训练时，利用未成年保护业务样本数据分别对未成年保护分类集成模型中的异构机器学习单元进行训练优化。6.根据权利要求1所述的基于机器学习的未成年保护教育引导方法，其特征在于，将收集到的待检测未成年业务数据输...

【专利技术属性】
技术研发人员：张乾坤，董得东，王宇，何威风，冯金龙，张楠，
申请(专利权)人：郑州云智信安安全技术有限公司，
类型：发明
国别省市：